دمج الذكاء الاصطناعي وDePIN: صعود شبكة GPU اللامركزية

منذ عام 2023، أصبحت الذكاء الاصطناعي و DePIN اتجاهات شائعة في مجال Web3، حيث وصلت القيمة السوقية لكل منهما إلى 30 مليار دولار و 23 مليار دولار على التوالي. تركز هذه المقالة على المجال المتقاطع بينهما، وتستكشف تطور البروتوكولات ذات الصلة.

في مجموعة تقنيات الذكاء الاصطناعي، تمكّن شبكة DePIN الذكاء الاصطناعي من خلال توفير موارد الحوسبة. أدى نمو الشركات التقنية الكبيرة إلى نقص في وحدات معالجة الرسوميات (GPU)، مما جعل من الصعب على المطورين الآخرين الحصول على وحدات معالجة الرسوميات الكافية للحوسبة. غالباً ما يجبر هذا المطورين على اختيار مقدمي خدمات السحابة المركزية، ولكن يتعين عليهم توقيع عقود طويلة الأمد غير مرنة للأجهزة عالية الأداء، مما يؤدي إلى عدم الكفاءة.

يوفر DePIN بدائل أكثر مرونة وفعالية من حيث التكلفة، من خلال تحفيز الموارد المساهمة التي تتوافق مع أهداف الشبكة عبر الرموز. يقوم DePIN في مجال الذكاء الاصطناعي بتجميع موارد GPU من مالكيها الأفراد إلى مراكز البيانات، مما يشكل إمدادًا موحدًا للمستخدمين. لا توفر هذه الشبكات خدمات مخصصة وعند الطلب للمطورين الذين يحتاجون إلى قوة حوسبة فحسب، بل تخلق أيضًا دخلًا إضافيًا لمالكي GPU الذين لا يستخدمونها.

! تقاطع الذكاء الاصطناعي و DePIN

نظرة عامة على شبكة DePIN الذكاء الاصطناعي

ريندر

• رائد شبكة P2P لتوفير قدرات حسابية باستخدام GPU
• في البداية كانت تركز على إنشاء المحتوى، ثم توسعت لتشمل مهام الحوسبة AI
• تأسست من قبل شركة OTOY لتصميم السحابة الحائزة على جائزة الأوسكار
• تم استخدام شبكة GPU من قبل شركات كبيرة مثل باراماونت بيكتشرز وPUBG
• التعاون مع Stability AI، لدمج نماذج الذكاء الاصطناعي مع سير عمل تحويل المحتوى ثلاثي الأبعاد

أكاش

• مصنفة كبديل "سوبر كلاود" لدعم التخزين والحسابات باستخدام وحدة المعالجة المركزية ووحدة معالجة الرسوميات
• أدوات صديقة للمطورين مثل عقد الحوسبة المدارة بواسطة منصة الحاويات وKubernetes
• AkashML يسمح لشبكات GPU بتشغيل أكثر من 15,000 نموذج على Hugging Face
• استضافت روبوت المحادثة وتطبيقات أخرى لنموذج LLM الخاص بمistral AI

io.net

• توفير الوصول إلى تجمعات سحابية موزعة من وحدات معالجة الرسوميات مصممة خصيصًا لحالات استخدام الذكاء الاصطناعي وتعلم الآلة
• IO-SDK متوافق مع أطر العمل مثل PyTorch و Tensorflow
• يدعم إنشاء 3 أنواع مختلفة من التجمعات، ويمكن تشغيلها في غضون دقيقتين
• التعاون مع Render و Filecoin وغيرها من الشبكات DePIN لدمج GPU

جينسين

• تقديم قوة الحوسبة GPU التي تركز على التعلم الآلي والتعلم العميق
• اعتماد مفاهيم مثل إثبات التعلم لتحقيق آلية تحقق أكثر كفاءة
• تكلفة ساعة واحدة لبطاقة V100 المكافئة للـ GPU حوالي 0.40 دولار، مما يوفر تكلفة كبيرة.
• توفير نموذج أساسي عالمي مشترك اللامركزية

أثير

• مصمم خصيصًا لركوب GPU الشركات، يركز على المجالات كثيفة الحساب مثل الذكاء الاصطناعي، التعلم الآلي، والألعاب السحابية
• تحسين تخصيص موارد GPU بناءً على الطلب والموقع
• توسيع خدمات الهاتف السحابي، بالتعاون مع APhone لإطلاق هاتف ذكي سحابي لامركزي
• إقامة شراكات واسعة مع شركات Web2 الكبرى مثل NVIDIA وSuper Micro

شبكة فالا

• كطبقة تنفيذية لحلول Web3 AI
• استخدام بيئة التنفيذ الموثوقة ( TEE ) لمعالجة قضايا الخصوصية
• الطبقة التنفيذية تمكن وكلاء الذكاء الاصطناعي من التحكم بواسطة العقود الذكية على السلسلة
• يمكن لعقود الوكلاء القائمة على الذكاء الاصطناعي الاتصال بأفضل نماذج اللغة الكبيرة مثل OpenAI وLlama

! تقاطع الذكاء الاصطناعي و DePIN

مقارنة المشاريع

| | رندر | أكاش | io.net | جينسين | أثير | فالا | |--------|-------------|------------------|---------------------|---------|---------------|----------| | الأجهزة | وحدة معالجة الرسومات & وحدة المعالجة المركزية | وحدة معالجة الرسومات & وحدة المعالجة المركزية | وحدة معالجة الرسومات & وحدة المعالجة المركزية | وحدة معالجة الرسومات | وحدة معالجة الرسومات | وحدة المعالجة المركزية | | النقاط الرئيسية | رسم بياني وAI | الحوسبة السحابية، والرندر وAI | AI | AI | AI، الألعاب السحابية والاتصالات | تنفيذ AI على السلسلة | | نوع مهمة الذكاء الاصطناعي | الاستنتاج | كلاهما | كلاهما | التدريب | التدريب | التنفيذ | | تسعير العمل | تسعير قائم على الأداء | مزاد عكسي | تسعير السوق | تسعير السوق | نظام المناقصات | حساب الحقوق | | البلوكشين | سولانا | كوزموس | سولانا | جينسين | أربيتراوم | بولكادوت | | خصوصية البيانات | التشفير&الهاش | مصادقة mTLS | تشفير البيانات | رسم الخرائط الآمن | تشفير | TEE | | تكلفة العمل | 0.5-5% لكل عمل | 20% USDC، 4% AKT | 2% USDC، 0.25% رسوم الاحتياطي | رسوم منخفضة | 20% لكل جلسة | تتناسب مع مبلغ الرهان | | الأمان | إثبات العرض | إثبات الملكية | إثبات الحساب | إثبات الملكية | إثبات قدرة العرض | وراثة من سلسلة التتابع | | إثبات الإنجاز | - | - | إثبات قفل الوقت | إثبات التعلم | إثبات العمل المعروض | إثبات TEE | | ضمان الجودة | نزاع | - | - | المحققون والمبلغون | عقدة المدقق | إثبات عن بُعد | | مجموعة GPU | لا | نعم | نعم | نعم | نعم | لا |

! تقاطع الذكاء الاصطناعي و DePIN

بيانات إحصائيات الأجهزة

| | رندر | أكاش | io.net | جينسين | آثير | فالا | |-------------|--------|-------|--------|------------|------------|--------| | عدد وحدات معالجة الرسوميات | 5600 | 384 | 38177 | - | 40000+ | - | | عدد وحدات المعالجة المركزية | 114 | 14672 | 5433 | - | - | 30000+ | | عدد H100/A100 | - | 157 | 2330 | - | 2000+ | - | | تكلفة H100/ساعة | - | $1.46 | $1.19 | - | - | - | | تكلفة A100 / ساعة | - | $1.37 | $1.50 | $0.55 ( متوقع ) | $0.33 ( متوقع ) | - |

! تقاطع الذكاء الاصطناعي و DePIN

! تقاطع الذكاء الاصطناعي و DePIN

! تقاطع الذكاء الاصطناعي و DePIN

الخاتمة

لا يزال مجال DePIN الخاص بالذكاء الاصطناعي ناشئًا نسبيًا، ويواجه بعض التحديات. لكن عدد المهام المنفذة والأجهزة قد زاد بشكل كبير، مما يبرز الحاجة إلى بدائل لمقدمي خدمات سحابية Web2. في المستقبل، من المتوقع أن تلعب هذه الشبكات اللامركزية لـ GPU دورًا رئيسيًا في توفير بدائل حسابية فعالة من حيث التكلفة للمطورين، مما يساهم بشكل كبير في تشكيل مشهد الذكاء الاصطناعي والبنية التحتية الحاسوبية.